公开(公告)号：CN116721059A

公开(公告)日：2023-09-08

申请号：CN202310511669.6

申请日：2023-05-09

Applicant: 安徽农业大学

Inventor： 曹子昂 ,  侯文慧 ,  周传起 ,  杨智杰 ,  梅芳芳 ,  王玉伟 ,  刘路

IPC: G06T7/00 ,  G06T7/50 ,  G06T7/66 ,  G06V10/774 ,  G06V20/70

Abstract: 本发明公开了一种用于垄间果蔬计数的视觉检测计数方法，本发明的技术方案在YOLOv8网络的基础上添加自动计数功能，将YOLOv8网络原有的CIoU损失函数优化为Alpha‑IoU损失函数，增加其检测精度。将FasterNet与YOLOv8网络深度融合，打造更快的检测网络，为实时检测提供了一定的保障，同时将YOLOv8算法进行优化，实现在跟踪检测果蔬的同时对果蔬ID进行自动统计。

公开(公告)号：CN115641577A

公开(公告)日：2023-01-24

申请号：CN202211344388.8

申请日：2022-10-31

Applicant: 安徽农业大学

Inventor： 曹子昂 ,  侯文慧 ,  王玉伟 ,  杨坤灵 ,  梅芳芳 ,  盛雅君

IPC: G06V20/68 ,  G06V10/50 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于改进YOLOv5网络的果实识别方法，本发明着眼于农业果实检测，基于传统YOLOv5网络对损失函数进行改进并添加CBAM注意力机制，使得在保持原网络检测速度快的基础上，提高了检测精度，提升了网络的收敛速度，同时对果实图像进行图像增强和数据增强，提高了果实图像的对比度和YOLOv5网络的鲁棒性。相比于传统果实检测网络，本发明中提及的方法在兼顾检测速度的同时具有很好的检测精度，实用性强。

公开(公告)号：CN115641368B

公开(公告)日：2024-06-04

申请号：CN202211344424.0

申请日：2022-10-31

Applicant: 安徽农业大学

Inventor： 侯文慧 ,  梅芳芳 ,  曹子昂 ,  王玉伟 ,  张大山 ,  刘路

IPC: G06T7/60 ,  G06T7/80 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种用于标定的离焦棋盘格图像特征提取方法，包括：S1、获取棋盘格图像；S2、检测亚像素精度的特征点，设计标签图像；S3、制作数据集；S4、设计深度编码解码的权重回归网络；S5、以模糊离焦图像为输入，以标签图像为输出对网络进行反复训练；S6、分析训练网络的输出图像，检测输出图像中每个灰度圆的灰度中心，即为特征点。本发明着眼于离焦图像像素级分析，通过对标签图像带权重像素级回归，使网络实现像素是否为特征点检测。对输入数据集进行加噪处理，使网络对采集图像噪声具有较强鲁棒性；同时将Unet网络中卷积层更换为残差块，以适应深层网络训练；按照标签图像中像素位置，在损失函数中设置不同权重，以提高特征点检测精度。

公开(公告)号：CN116486173A

公开(公告)日：2023-07-25

申请号：CN202310483086.7

申请日：2023-05-04

Applicant: 安徽农业大学

Inventor： 梅芳芳 ,  侯文慧 ,  周传起 ,  王玉伟 ,  王宇杰 ,  张大山

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V20/68

Abstract: 本发明公开了一种小样本集下基于深度网络的梨缺陷分类方法，步骤如下：步骤S1：采集不同缺陷类型的梨图像，建立缺陷图像数据库；步骤S2：将缺陷梨图像划分为图像块，并根据缺陷分类；将图像缺陷做成标签，形成mat文件，作为小样本数据集标签；步骤S3：提取每个图像块的多种特征，并进行归一化；步骤S4：将图像块的多种特征按顺序合并成mat文件，形成特征向量；步骤S5：重复步骤S1至步骤S4提取每个图像块特征向量，形成特征矩阵，并与标签数据合并为小样本数据集；按8:2的比例将数据集划分为训练数据集和测试数据集；步骤S6：构建深层网络对数据集进行训练，实现特征融合和选择；步骤S7：提取图像块的多种特征，利用训练好的网络对特征进行智能分类。

公开(公告)号：CN115641368A

公开(公告)日：2023-01-24

申请号：CN202211344424.0

申请日：2022-10-31

Applicant: 安徽农业大学

Inventor： 侯文慧 ,  梅芳芳 ,  曹子昂 ,  王玉伟 ,  张大山 ,  刘路

IPC: G06T7/60 ,  G06T7/80 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种用于标定的离焦棋盘格图像特征提取方法，包括：S1、获取棋盘格图像；S2、检测亚像素精度的特征点，设计标签图像；S3、制作数据集；S4、设计深度编码解码的权重回归网络；S5、以模糊离焦图像为输入，以标签图像为输出对网络进行反复训练；S6、分析训练网络的输出图像，检测输出图像中每个灰度圆的灰度中心，即为特征点。本发明着眼于离焦图像像素级分析，通过对标签图像带权重像素级回归，使网络实现像素是否为特征点检测。对输入数据集进行加噪处理，使网络对采集图像噪声具有较强鲁棒性；同时将Unet网络中卷积层更换为残差块，以适应深层网络训练；按照标签图像中像素位置，在损失函数中设置不同权重，以提高特征点检测精度。